Python Seaborn定制范围热图_Python_Pandas_Seaborn_Heatmap

Python Seaborn定制范围热图

python pandas

Python Seaborn定制范围热图,python,pandas,seaborn,heatmap,Python,Pandas,Seaborn,Heatmap,我需要根据以下要求构建定制的seaborn热图样图： import pandas as pd df = pd.DataFrame({"A": [0.3, 0.8, 1.3], "B": [4, 9, 15], "C": [650, 780, 900]}) df_info = pd.DataFrame({"id": ["min&

我需要根据以下要求构建定制的seaborn热图样图：

import pandas as pd
df = pd.DataFrame({"A": [0.3, 0.8, 1.3], 
                   "B": [4, 9, 15], 
                   "C": [650, 780, 900]})

df_info = pd.DataFrame({"id": ["min", "max"],
                   "A": [0.5, 0.9], 
                   "B": [6, 10], 
                   "C": [850, 880]})
df_info = df_info.set_index('id')


    A      B    C
0   0.3    4    650
1   0.8    9    780
2   1.3    15   900

df_信息

id      A      B    C
            
min     0.5    6    850
max     0.9    10   880

df

中的每个值都应该在

df_info

中定义的范围内
例如，如果列

的值在0.5和0.9之间，则视为正常值。超出范围的值应使用自定义热图着色

特别是：

在为每列定义的范围内的值应不为彩色，纯黑色文本在白色背景单元格上
该列低于
```
min
```
的值应着色，例如蓝色。最小值越低，蓝色的阴影越深
该列高于
```
max
```
的值应着色，例如红色。它们的最大值越高，红色的阴影越深

Q:我不知道如何用标准的热图来实现这一点，我甚至不确定我能用热图图来实现这一点。有什么建议吗？

据我所知，热图只能有一个数值刻度。我建议对

df

dataframe中的数据进行规范化，以便每列中的值如下所示：

在
```
0
```
和
```
1
```
之间，如果值介于
```
df_info
```
的
```
min
```
```
max
```
低于
```
0
```
如果值低于
```
df_info
```
的
```
min
```
高于
```
1
```
如果值高于
```
df_info
```
的
```
max
```

要规范化数据帧，请使用：

对于df中的列：
df[col]=（df[col]-df_info[col]['min']）/（df_info[col]['max']-df_info[col]['min']）

最后，要创建颜色编码的热图，请使用：

导入seaborn作为sns
从matplotlib.colors导入LinearSegmentedColormap
vmin=df.min（）.min（）
vmax=df.max（）.max（）
颜色=[[0，'暗蓝色']，
[-vmin/（vmax-vmin），“白色”]，
[（1-vmin）/（vmax-vmin），“白色”]，
[1，'darkred']]
cmap=线性分段颜色映射。来自列表（“”，颜色）
sns.heatmap（df，cmap=cmap，vmin=vmin，vmax=vmax）

使用

vmin

和

vmax

的附加计算允许根据与最小值和最大值的差异动态缩放颜色贴图

使用您的输入数据框，我们得到以下热图：

据我所知，热图只能有一个数值刻度。我建议对

df

dataframe中的数据进行规范化，以便每列中的值如下所示：

在
```
0
```
和
```
1
```
之间，如果值介于
```
df_info
```
的
```
min
```
```
max
```
低于
```
0
```
如果值低于
```
df_info
```
的
```
min
```
高于
```
1
```
如果值高于
```
df_info
```
的
```
max
```

要规范化数据帧，请使用：

对于df中的列：
df[col]=（df[col]-df_info[col]['min']）/（df_info[col]['max']-df_info[col]['min']）

最后，要创建颜色编码的热图，请使用：

导入seaborn作为sns
从matplotlib.colors导入LinearSegmentedColormap
vmin=df.min（）.min（）
vmax=df.max（）.max（）
颜色=[[0，'暗蓝色']，
[-vmin/（vmax-vmin），“白色”]，
[（1-vmin）/（vmax-vmin），“白色”]，
[1，'darkred']]
cmap=线性分段颜色映射。来自列表（“”，颜色）
sns.heatmap（df，cmap=cmap，vmin=vmin，vmax=vmax）

使用

vmin

和

vmax

的附加计算允许根据与最小值和最大值的差异动态缩放颜色贴图

使用您的输入数据框，我们得到以下热图：

回答得很好！是否可以将发散调色板应用于此解决方案，或者它仅适用于LinearSegmentedColormap？似乎

seaborn.Divering_调色板

center本身位于

（max+min）/2

上，如果您使用我的实现，这并不总是您的情况。非常感谢，另一个问题：如何使用不同的颜色（例如黑色）为NaN值着色？我想我应该在颜色数组中指定它，但我不确定我是否理解它的结构。解释此数组的任何链接？

seaborn

自动管理

nan

值，默认情况下

nan

值显示为白色框，以更改此用法：

sns.heatmap（df，cmap=cmap，vmin=vmin，vmax=vmax）。设置面颜色（“黑色”）

。

facecolor

代表背景色。@Leonardo如果这回答了你的问题，请将我的回答标记为“答案”非常好的答案！是否可以将发散调色板应用于此解决方案，或者它仅适用于LinearSegmentedColormap？似乎

seaborn.Divering_调色板

center本身位于

（max+min）/2

seaborn

自动管理

nan

值，默认情况下

nan

值显示为白色框，以更改此用法：

sns.heatmap（df，cmap=cmap，vmin=vmin，vmax=vmax）。设置面颜色（“黑色”）

。

facecolor

代表背景色。@Leonardo如果这回答了您的问题，请将我的回答标记为“答案”